问题介绍
构建预测模型"预估用户的购买意向"，即给定广告点击相关的用户（user）、广告商品（ad）、检索词（query）、上下文内容（context）、商店（shop）等信息的条件下，预测广告产生购买行为的概率（pCVR），形式化定义为：pCVR=P(conversion=1 | query, user, ad, context, shop)。
（1）日常的转化率预估
（2）特殊日期的转化率预估
评估指标
用logloss评估模型效果（越小越好）
其中表示测试集样本数量，
表示测试集中第
个样本的真实标签，
表示第
个样本的预估转化率。logloss更关注和观察数据的吻合程度，AUC更关注rank order。
数据
5类数据（用户信息、广告商品信息、基础数据、上下文信息和店铺信息）。基础数据表提供了搜索广告最基本的信息，以及“是否交易”的标记。广告商品信息、用户信息、上下文信息和店铺信息等4类数据，提供了对转化率预估可能有帮助的辅助信息。如果一条样本的某个字段为“-1”，表示这个样本的对应字段缺乏数据。
基础数据
instance_id：样本编号，Long
is_trade：是否交易的标记位，Int类型；取值是0或者1，其中1 表示这条样本最终产生交易，0 表示没有交易
item_id：广告商品编号，Long类型
user_id：用户的编号，Long类型
context_id：上下文信息的编号，Long类型
shop_id：店铺的编号，Long类型
广告商品信息
item_id：广告商品编号，Long类型
item_category_list：广告商品的类目列表，String类型；从根类目（最粗略的一级类目）向叶子类目（最精细的类目）依次排列，数据拼接格式为"category_0;category_1;category_2"，其中 category_1 是 category_0 的子类目，category_2 是 category_1 的子类目
item_property_list：广告商品的属性列表，String类型；数据拼接格式为 "property_0;property_1;property_2"，各个属性没有从属关系
item_brand_id：广告商品的品牌编号，Long类型
item_city_id：广告商品的城市编号，Long类型
item_price_level：广告商品的价格等级，Int类型；取值从0开始，数值越大表示价格越高
item_sales_level：广告商品的销量等级，Int类型；取值从0开始，数值越大表示销量越大
item_collected_level：广告商品被收藏次数的等级，Int类型；取值从0开始，数值越大表示被收藏次数越大
item_pv_level：广告商品被展示次数的等级，Int类型；取值从0开始，数值越大表示被展示次数越大
用户信息
user_id：用户的编号，Long类型
user_gender_id：用户的预测性别编号，Int类型；0表示女性用户，1表示男性用户，2表示家庭用户
user_age_level：用户的预测年龄等级，Int类型；数值越大表示年龄越大
user_occupation_id：用户的预测职业编号，Int类型
user_star_level：用户的星级编号，Int类型；数值越大表示用户的星级越高
上下文信息
context_id：上下文信息的编号，Long类型
context_timestamp：广告商品的展示时间，Long类型；取值是以秒为单位的Unix时间戳，以1天为单位对时间戳进行了偏移
context_page_id：广告商品的展示页面编号，Int类型；取值从1开始，依次增加；在一次搜索的展示结果中第一屏的编号为1，第二屏的编号为2
predict_category_property：根据查询词预测的类目属性列表，String类型；数据拼接格式为 “category_A:property_A_1,property_A_2,property_A_3;category_B:-1;category_C:property_C_1,property_C_2” ，其中 category_A、category_B、category_C 是预测的三个类目；property_B 取值为-1，表示预测的第二个类目 category_B 没有对应的预测属性
店铺信息
shop_id：店铺的编号，Long类型
shop_review_num_level：店铺的评价数量等级，Int类型；取值从0开始，数值越大表示评价数量越多
shop_review_positive_rate：店铺的好评率，Double类型；取值在0到1之间，数值越大表示好评率越高
shop_star_level：店铺的星级编号，Int类型；取值从0开始，数值越大表示店铺的星级越高
shop_score_service：店铺的服务态度评分，Double类型；取值在0到1之间，数值越大表示评分越高
shop_score_delivery：店铺的物流服务评分，Double类型；取值在0到1之间，数值越大表示评分越高
shop_score_description：店铺的描述相符评分，Double类型；取值在0到1之间，数值越大表示评分越高
特征工程
（1）基础特征：基础数据、广告商品信息、用户信息、上下文信息、店铺信息。转化时间戳特征。
（2）统计类特征：主要用到三种度量方式:count,unique,mean,分别从全局、天、小时三种时间粒度来构造。
（3）时间差特征：从用户点击商品的时间差来反映用户购买商品的可能性，”短时间内点击“相同商品购买的可能性会比较大。用户点击商品无非三个位置：首次点击、中间点击、末次点击，往往最后一次浏览购买可能性最大。
（4）分段特征：对小时、score、rate进行构造，这类离散化后的特征对异常数据有很强的鲁棒性，刻画出用户习惯操作和偏好。
（5）概率特征：主要构造了转化率特征和比例特征。转化率特征主要统计的是历史转化率，一是刻画转化率的变化情况，二是反应某个特征大概转化情况，特征我们进行了单特征和多特征组合构造转化率特征。比例特征用来刻画某类用户的偏好。
（6）其他特征：重复出现次数分段(存在很多用户在同一时间下进行多次点击，统计其出现次数(same_time_expo_cnt)。用户对相同商品点击次数对于次数大于2的进行标记（user_large2))、predict_category_property(用户搜索某商品时显示预测的类别属性影响着用户点击情况，构造了预测类别属性与用户点击商品类别属性的交集个数与相似度)
模型训练
上述构造特征的过程能够上到数百个特征，但是又不可能对所有特征进行训练，因为里面可能包含很多冗余特征。使用warpper的方式来进行特征选择。将前向搜索、后向搜索、随机搜索进行组合筛选出最终特征。
参考文献
https://tianchi.aliyun.com/competition/entrance/231647/introduction
https://zhuanlan.zhihu.com/p/36858386
https://tianchi.aliyun.com/course/video?liveId=5531
https://github.com/YouChouNoBB/ijcai-18-top2-single-mole-solution
网友评论